数据产品系列:解读数据指标

1 评论 2991 浏览 35 收藏 9 分钟

数据产品实战知识系列,由浅入深,会包括主要的数据产品知识体系和市面上主流的数据产品介绍。

我们所有的数据工作,包括处理、查询、分析等,其针对的数据字段,本质上都是数据指标。所以数据指标已经是大家很熟悉的产品了。

指标既包括一些宏观通用的指标,例如PV、UV。也有结合具体业务的特定指标,例如零售行业的动销率、周转天数,或者游戏行业的留存、ARPU等。对企业来说,一套科学严谨的指标体系,是了解和指导公司经营的关键。

01 指标体系

为什么要有指标体系?

如果没有一套针对业务的指标体系,那么所有的分析都是只针对具体单点的,无法观察到业务全貌,每次的分析过程也不具备复用性。

而企业经营过程中,其实可以梳理出大量的指标,分散在各个业务流程中,若不对指标定义优先级,建立联系,则每次分析数据、定位问题时都会如大海捞针,存在大量的重复且无效的工作。

建立一套适合具体业务的指标体系,正是为了通过指标间有机的结合,能简洁明了地反映业务经营状况。个人认为指标体系的搭建,主要是2类方式:

1. 纵向构成

即对指标进行自上而下的拆解(也小有可能是自下而上的归纳)。典型例子便是第一关键指标法。了解增长黑客的同学,对北极星指标应该不会陌生,其本质也是要定义出在当前阶段,企业要集中全部精力关注的一个指标。然后对该指标进行逐级拆解,最后形成的公式,这套指标体系,其实也就是该业务的增长模型。

例如某零售商,若以毛利作为第一关键指标,则可以构建如下的指标体系。

纵向指标拆解

2. 横向推进

横向推进用于分析业务流程,关注其中的过程指标。用户转化漏斗、用户行为路径都是常见的横向推进的分析模型,每个步骤下的指标共同构成了一套体系。更宏观且长效的案例,可以参考AARRR模型,也称为海盗指标法,仍然是增长黑客的常用工具。AARRR模型将公司需要关注的指标归结为5个阶段,分别为Acquisition(获取)、Activation(激活)、Retention(留存)、Revenue(营收)和Referral(推荐),不同阶段下可以再定义并拆解出具体的指标。对于该模型,如果以后有机会写增长相关内容的话,再做展开。

通常来说纵向和横向的指标体系是配合使用的,共同构建出公司当前阶段经营情况的全貌。需要注意的是,随着公司的发展,在不同阶段所关注的指标和所需的指标体系也是不同的,需要适时调整。

指标体系的重点,一是指标,二是体系,缺一不可。更多时候我们遇到的情况并不是从0到1搭建指标体系,而是公司可能已经有了一系列的指标,但并没有形成成熟的体系,这是在做数据治理时常碰到的情况。这种情况下,一般会经历4个阶段,我们也可以看看自己的公司目前处在哪个阶段。

阶段1

有指标,无体系。公司有关注的指标,但通常数据粒度较粗,深度较浅,数据有可能散落在各处。比如常见的GMV、订单量等指标,电商公司都会关注,但每次关注都是独立的取数和单一的数据观察的过程。

阶段2

有一定的分类和归集标准,通过合适的维度进行了区分,对于数据的查询处理要方便很多。例如下图对指标按照商品、销售等维度做了分类。

阶段3

指标具备可量化的衡量标准,可以更容易暴露问题,方便分析解读。类似我们去医院体检的报告,会告知各指标的参考区间,标注出异常情况。

图片来源:百度图片

阶段4

形成体系,能梳理清指标间的关联关系,可观察出问题和解决问题的脉络。

02 指标字典

当体系架构确定后,就需要维护起对应的指标字典。指标字典是数据标准化的前提,也是构建后续数据分析产品的基础。通过指标字典可以对指标进行统一且唯一的管理。

规范的指标字典会对数据的维度、量纲等进行标准制定,并统一计算口径。指标字典必须具备一义性,即一个指标一经录入,其命名、量纲、所有下钻维度的默认口径等信息都须已确定。

字典中的指标可以分为描述型和计算型,描述型又可分为基础指标和衍生指标。

1. 基础指标

基于单一实体的属性或行为统计得出,没有更上游的指标,即该指标的父指标是其自身。例如订单量、日活跃用户数等都属于基础指标

2. 衍生指标

对单一父指标进行某些维度上的取值限定而定义出的新指标,其统计方式整体和基础指标一致。例如按终端分别统计的PC端订单量和移动端订单量

3. 计算指标

对描述型指标进行计算、排序、累计等操作后定义的指标,例如客单价、ARPU值等。也包括了一些规则不适合公开的复合指标,例如反映商品热度的商品指数,可能由商品访问量、订单量、加购量、评论量等多指标综合计算得出

03 指标字典实例

一份指标字典,应该包含以下必填字段。

  1. 指标名称:命名最好能包含维度、量度等信息
  2. 指标定义:需要详细说明指标的含义、统计口径和计算方式
  3. 指标类型:基础指标/衍生指标/计算指标,或业务可能也有自己的分类方式

以及一些可选字段,例如在产品上可能有所属的模块、别名、限制条件、限制维度。其中时间维度由于其常用性,可以考虑单独列出。例如下图是某零售商的指标字典节选。

指标字典示例

数据指标就总结到这里。

参考文献

  • 梁旭鹏. 《数据产品经理修炼手册》. 2019.03.
  • 桑文锋. 《数据驱动:从方法到实践》. 2018.03.

 

作者:Rowan;公众号:罗老师别这样

本文由 @Rowan 原创发布于人人都是产品经理,未经许可,禁止转载

题图来自Unsplash,基于CC0协议

给作者打赏,鼓励TA抓紧创作!
更多精彩内容,请关注人人都是产品经理微信公众号或下载App
评论
评论请登录
  1. 大家期待已久的《数据产品经理实战训练营》终于在起点学院(人人都是产品经理旗下教育机构)上线啦!
    本课程非常适合新手数据产品经理,或者想要转岗的产品经理、数据分析师、研发、产品运营等人群。
    课程会从基础概念,到核心技能,再通过典型数据分析平台的实战,帮助大家构建完整的知识体系,掌握数据产品经理的基本功。
    学完后你会掌握怎么建指标体系、指标字典,如何设计数据埋点、保证数据质量,规划大数据分析平台等实际工作技能~
    现在就添加空空老师(微信id:anne012520),咨询课程详情并领取福利优惠吧!

    回复